研究了在不同系统误差和不同目标算法下相干传递函数的重建质量，发现相干传递函数的重建比物体的重建更稳健。基于此，报道了一种用于傅里叶叠层显微成像术的子区域平移方法，以加速有限图像下的相干传递函数重构收敛速度，消除由周期性照明光源阵列引起的栅格噪声，实现图像的重聚焦，并使用相干传递函数去卷积提高图像的对比度。此外，研究了傅里叶叠层显微成像术的空域和频域数据冗余来恢复相干传递函数，发现至少需要大约40%的频谱交叠率来精确重建相干传递函数，比无像差条件下高出10%，为了相干传递函数的稳定性需要至少25张原始低分辨率图像。最后，讨论了稳定的相干传递函数重建所需的条件，并通过模拟和实验进行了验证。

传统光学显微镜的视场与空间分辨率是相互制约的，如何突破这一限制，同时能兼得高分辨率和大视场的高通量成像，成为当前显微成像技术领域的主要研究方向之一。该科学问题的突破将有助于加速科学研究、提高生产制造能力、为医疗辅助诊断提供新工具。本文介绍比较了大孔径物镜制造与曲面探测技术、扫描拼接技术、傅里叶叠层显微成像技术、宽场结构光照明技术和无透镜片上显微成像技术在内的5种高通量显微成像技术。分析了高通量显微成像技术研究的当前现状、所面临的问题以及未来的发展趋势。分析指出，计算光学成像技术正逐渐成为目前高通量显微技术的主要手段，通过计算绕过或者突破光学系统的物理限制将开辟高通量显微成像新时代。

研究表明，由于相位比振幅包含更多关于场的信息，因此相位测量在现代科学和工程的诸多分支中始终是研究的热点问题。在可见的电磁波范围内，相位信息很难通过现有的光电探测器直接采集获取。相位恢复技术提供了一种从捕获的强度信息中将相位信息“计算”出来的有效手段，并已成功应用于天文观测、生物医学成像和数字信号复原等多个科学领域。算法是相位恢复技术的核心，也是该技术发展和应用的关键。文中结合物理学原理和信号处理方法对相位恢复算法的基本原理进行阐述，综述了各类相位恢复算法的发展历程及其优缺点，并简单概述了相位恢复算法在光学领域的典型应用，最终指明其面临的挑战和未来的发展趋势：更优异的收敛性能和噪声鲁棒性、恢复更复杂物体相位信息的能力、多目标多任务集成的兼容性。

傅里叶叠层显微成像术是近年来提出的新型计算成像技术，它有效解决了传统显微成像中分辨率与视场制约的问题，无需对样本进行机械扫描便能获得十亿像素级的高通量图像，有效解决传统数字病理扫描仪器的拼接伪影、重影、拼接成功率低、景深狭小、效率偏低等问题。近年来更是发现其不单是解决视场与分辨率制约的工具，更是解决一系列权衡问题的范式，从而迸发出源源不绝的生命力与应用潜力。本文全方位概述了傅里叶叠层显微成像术技术9个方面的发展趋势，简介了其起源与基本原理，着重综述了其在面向下一代数字病理成像分析仪的多个阶段与最新进展。指出其在这一应用方向上已进入“10-100”的产业化阶段。讨论了其产生大规模社会经济效益的可能性，其极有可能给数字病理行业及其上下游相关行业带来突破进展。尽管如此，作为典型交叉领域仍有不尽人意之处，包括科学问题、技术问题、工程问题及行业问题，需要多方共同努力推进，展望了未来技术与工程发展方向。

提出了一种基于平面补丁的自适应八叉树卷积神经网络（Octree Convolutional Neural Networks，O-CNN），用于进行有效的三维形状编码和解码。不同于基于体素或基于八叉树的卷积神经网络（Convolutional Neural Networks，CNN），以相同的分辨率表示具有体素的三维形状，O-CNN可自适应地表示具有不同层次的八叉树节点的三维形状，并使用平面补丁对每个八叉树节点内的三维形状进行建模。依据这种自适应表示设计了一种用于编码和解码三维形状的自适应O-CNN编码器和解码器。自适应O-CNN编码器将平面补丁法线和位移作为输入，仅在每个级别的八叉树节点上执行三维卷积操作，而自适应O-CNN解码器则推断每个层次的八叉树节点的形状占有率和细分状态，并估计每个最佳叶八叉树节点的平面法线和位移。通过对单个图像的形状预测验证了自适应O-CNN的生成任务的效率和有效性，倒角距离误差为0.274，低于OctGen的倒角距离误差0.294，取得了更好的重建效果。作为3D形状分析和生成的通用框架，基于平面补丁的自适应O-CNN不仅减少了内存和计算成本，而且比现有的3D-CNN方法具有更好的形状生成能力。

为了研究激光相干阵列在全大气层湍流中的成像能力，在全相位闭合等方法的基础上，利用HV57模型中的大气折射率结构常数来标定大气相干长度，通过当地风速和光路高度等参数计算了实验所在地等效整层大气湍流的水平传输距离，研制了Ф1.5 m等效孔径的激光相干发射阵列，对1.2 km远处物体进行了成像实验，成像分辨率达到了亚角秒级。验证了激光相干阵列成像系统对大气湍流影响的抑制作用和成像能力，可为未来研制实体激光相干阵列成像系统提供理论与技术支撑。